大數據技術在高職教師科研能力評價中的應用研究

鄧任鋒

（廣東酒店管理職業技術學院，廣東 東莞 523960）

0 引言

經歷了四十年的改革開放，我國社會得到了全面快速的發展，隨著社會環境的變化和產業的轉型升級，企業對應用型技術人才的需求不斷地擴大，這給我國的高等職業教育事業帶來了快速發展的機遇。要想把握好這一發展機遇，是否擁有豐富教學水平和創新科研能力的高職師資隊伍就顯得尤為關鍵。不少高職院校已把如何提高高職師資隊伍綜合能力建設放在了極為重要的位置，因此在人才引進、考核、培養等方面花了很大力氣，作了很多重要的探索和工作，但在這過程中也碰到了不少棘手的問題。如何對高職院校教師科研能力進行科學綜合的評價就是其中一個重要部分。

1 當前高職教師科研能力評價系統的現狀及問題

科研能力作為在科研活動中體現出來的一種特殊能力，通常指人在其所從事的專業中以科學的思維和適當的方法對未知領域進行科學探索的能力，反映其發現問題、認識問題和解決問題的能力，綜合體現一個人專業知識的深度和廣度[1]。對這一能力的科學評價很早就引起了重視，特別是在高等學校中。但受制于多方面原因，一直發展比較慢，很多問題一直沒有得到有效地解決。不少高職院校盡管制定了不少相應的政策措施，對教師的科研能力水平進行科學評價，以激發教師工作積極性，提高科研水平和社會服務水平，達到可持續發展，但由于高職教師科研能力的指標體系構建比較復雜，而且在很多指標評價偏主觀難以量化，因此在教師科研能力評價系統建設一直比較緩慢。

而且當前大多數的教師科研能力評價類的系統，普遍出現評價模型不全面、指標不具體、數據采集費時費力不完整，數據分析角度單一淺顯、缺乏數據深度挖掘、評價結果不直觀等主要問題，難以反映教師整體研究能力和水平，無法為學校和教師的長遠穩定發展提供建設性的參考意見。具體表現如下：

（1）不少科研能力評價系統在模型設計時考慮的角度不全面，經常會出現評價導向簡單化，沒有建立分層、分類的科學評價模型，過于注重論文、課題等顯性指標，從而忽視了教師的研究綜合能力、學術潛力等體現；

（2）很多系統在科研能力評價的具體指標不夠具體，對不同領域、不同門類和不同層次的教師都采用簡單粗獷的量化指標來衡量；而高職院校職業教師由于跟行業、企業的緊密度比較高，涉及的專業門類多而雜，會更強調解決問題能力，詳細指標會有較大的不同。

（3）不少系統由于前期設計和技術的原因，導致了數據采集的不完整或耗時耗力等現象，從而降低了客觀數據對科研能力的支撐。

（4）不少系統雖然提出了包括品德、知識、能力、業績等多種衡量科研能力的主要指標，但由于采用的分析方法過于簡單，分析角度單一，造成了科研能力評價的結果比較淺顯。例如，很多時候簡單的方法很難對出身企業的經驗豐富的工匠專家和來自教學領域的資深專家進行比較分析。

（5）在科研能力評價有不少指標比較偏主觀，無法通過簡單的數據分析獲得深入的評價結論，同時也沒能對高職教師的科研能力的發展趨勢進行預判，無法為高職教師科研能力的培養提供決策依據。

2 大數據技術在高職教師科研能力水平評價中的應用影響

隨著信息化時代的到來，大數據技術發展越來越成熟，讓我們可以把采集到海量、高速、多樣、有價值的數據，通過多維度、多層次的數據分析和數據挖掘，進行提煉，從而能全面地把握發展規律，預測未來發展方向和趨勢。

因此，大數據技術也被廣泛地應用到了高職教師能力評價中，從而產生積極的作用。大數據技術的融入使得原本耗時耗力的數據采集工作變得更加容易和方便，這也方便了數據的積累，提高了數據的完整性，有力地推動了教育信息化建設[2]。同時，采集的海量的各類數據也為不少主觀的指標提供了客觀數據支撐，讓這些指標更加完善和客觀，更具參考意義。同時大數據的數據分析技術和平臺的廣泛應用使得我們可以更加快速的直觀的獲得數據分析結論，而且可以通過大數據可視化技術轉化成簡潔易懂的界面，方便學校管理者、教師以及其他相關機構直觀快速地了解教師的科研能力[3]。另外，結合聚類算法和機器學習等方法把數據進一步進行挖掘，從而發現其中的內在規律，搭建適當模型，做出教師的科研能力發展的趨勢預測和培養建議，從而大大地提供了科研能力評價系統的實用性和價值。可以說，大數據技術的發展和應用為高職教師科研能力評價系統的完善提供了嶄新的優化方案思路。

3 基于大數據技術的高職教師科研能力評價系統建設思路

針對當前高職教師科研能力評價中的主要問題和大數據技術的特點，可以結合主流的科研能力評價模型，細化評價指標，通過數據采集、數據分析和數據挖掘等大數據技術來構建一套能夠全面反映高職教師科研能力的評價系統，形成常態化信息采集和動態評價預警機制。

3.1 構建模型

大數據技術的融合可以在建設科研能力評價系統的時候將評價模型與指標進一步關聯 ，把定性指標與定量指標更好地結合，并落實到可操作的層面，既可讓系統能夠支撐實際工作，又能實現考察高職教師的科研學術潛力的可量化評價。因此，將結合目前比較主流的評價理論，考慮把基本科研素養、科研產出影響力、科研管理能力、科研學術潛力和科研學術地位5個維度作為科研能力模型的主要組成部分，并為每個維度都設置3級可測度的指標。其中，定量指標采用科技大數據提煉出的客觀數據，定性指標也參照設計量化值來進行體現，以便全面、及時、科學地反映高職教師科研綜合能力。例如，可以通過采集知網、萬方等科技信息大數據的論文數量、被引情況等作為定量指標，可以將科研經費或者是專利轉化價值采用量化的方式來為定性指標輔助參考進行比較。

3.2 設計指標

細化、合理、可執行的評價指標是全面落實高職教師科研能力評價的重要環節。高職科研能力評價的指標體系設計可以考慮在傳統的基本科研素養、科研產出影響力、科研管理能力的評價指標體系結構基礎上，擴展科研學術潛力和科研學術地位維度指標。在指標設計時注意具體指標的可測度，可以根據情況把非量化指標中難以測度的指標去掉或采用其他易考量的指標替代，例如，創新能力等；在指標設計時還應注意傳統的科研產出指標中重量不重質的問題，可以在考慮科研產出數量的時候，結合科研產出質量，加上權重系數進行靈活調整；在指標設計時還可以考慮加上時間空間因素條件，以方便對高職教師在不同時期的科研能力進行對比分析，以方便進行對其學術潛力和科研能力發展趨勢的預測很判斷。

3.3 數據采集

基礎信息數據是作為大數據分析的重要基礎，因此需要結合大數據相關技術對評價系統中需要用到的數據進行采集和篩選過濾，將結構化數據、非結構數據、視頻大數據、文本數據等內容進行分類管理。由于大數據的采集功能非常強大，可以考慮將科技信息相關的數據作為基礎信息數據來源對象進行采集。采集的信息包括高職教師基本信息、科技文獻信息和課題項目信息等。例如，可以通過現有的人事信息系統等已有信息系統導入教師基本信息，也可以通過到知網、萬方、國家產權局等第三方平臺網站上獲取或抓取包括期刊論文、學位論文、出版書籍、課題項目報告、軟件著作權、專利等相關的科技文獻信息。并在獲得基礎數據以后進行必要的篩選和過濾，將不合規數據或錯誤數據剔除，同時還需要對不同來源的數據進行必要的預處理和變換，以保持數據的一致性，提高后期數據分析和數據挖掘的準確性和效率。

3.4 數據分析

數據分析是大數據處理流程中的重點，是大數據產生價值的主要過程，也是科研能力評價系統的主要功能部分。因此在建設系統時應針對具體的業務分析需求目標，根據科研能力評價體系進行選擇適當的模型進行人工建模，并充分利用回歸分析、對比分析、交叉分析等統計分析算法及技術，對基礎數據信息進行處理和分，并將有價值的信息提煉出來，結合科研能力狀況進行解讀，發揮原因分析、現狀分析、簡單預測等作用和價值[4]。例如，可以從某教師主持或參與的科研項目數量、承擔的角色和進行科研的連續性等指標數據來分析判斷該老師的科研項目實施能力。

3.5 數據挖掘

數據挖掘可以看成是數據分析的進一步擴展，是大數據技術的核心功能之一。因此，可以在高職教師科研能力評價中無須對數據的內在關系做任何假設或判斷，只根據數據挖掘、數據目標，運用決策樹、神經網絡、聚類分析等算法，結合人工智能、機器學習等方法進行深度挖掘，自動從數據中尋找隱藏的、未知的關系或規律，輸出模型或規則，可以有效解決分類、聚類、關聯、定量預測和定性預測等類型問題[5]。例如，可以采用自動聚類的方法對高職教師的數據進行分類，在分類中使用若干教師不同年齡階段的科研產出、科研延續性，以及參加學術會議和活動等數據信息，通過神經網絡對數據進行降維處理提取特征后輸入訓練學習器，并使用集成學習機制集成若干學習器的判斷給出某教師參與科研活動的活躍度、學術科研潛力及未來的科研能力發展等的綜合評價。

4 研究總結

文章從當前高職院校教師科研能力評價系統的現狀及存在的問題入手，結合數據采集、數據分析、數據挖掘等大數據分析相關技術的發展，說明大數據分析可以為提高高職教師科研能力評價提供很好的技術支撐。同時還根據高職院校實際情況提出了基于大數據技術的高職教師科研能力評價系統的建設方案思路，充分利用聚類算法、集成學習、評估模型等技術構建實時有效的高職教師科研能力預警和評價體系，為學校全面評估教師整體素質和績效考核提供必要的支持，也為教師可持續發展提供參考建議。